数据标准化的⽅法：“最⼩—最⼤标准化”、“Z-score标准化”
1.最⼩—最⼤标准化
原理
原理：将某⼀问项的原始值x通过标准化映射成在区间[0,1]中的值 ，其公式为：新数据=（原数据-极⼩值）/（极⼤值-极⼩值），也称为离差标准化，是对原始数据的线性变换，使结果值映射到[0 - 1]之间 公式：标准化结果x'=（x-min）/(max-min), 其中x表⽰原始数据，min表⽰该指标的最⼩值，max表⽰该指标的最⼤值 公式
spss操作：第⼀步—选定该指标包含的数据，点击“分析”-“描述”—得到描述性统计结果，并可知道该指标的最⼩、最⼤、平均和标准差值spss操作
，如下图 ；第⼆部，点击“转换”—“计算”——输⼊标准化后变量的名称，输⼊ 最⼩—最⼤标准化的公式，如下图——点击确定——新的标准化结果出现在spss⾯板的指标右⽅
描述性统计分析结果
最⼩-最⼤值标准化
傅泽星2.“Z-score标准化”索医网
原理：通过原始数据的均值（mean）和标准差（standard deviation）进⾏数据的标准化，经过处理的数据符合标准正态分布，即均值为0，标原理cpld
准差为1，其标准化后的数值⼤⼩有正有负，如下图中的标准正态分布曲线
双磷酸盐标准正态分布曲线
健康之路杂志
适⽤范围
适⽤范围：问项数据的最⼤最⼩值不知道的情况下、有超出取值范围的离数据的情况、适⽤于不同
量级数据的⽆量化处理
公式：新数据=（原数据-均值）/标准差三
公式
spss操作：点击“分析”-“描述”—勾选z-score标准化处理，即可得结果
Z-score标准化操作
【补充说明】
数据标准化（归⼀化）处理：
【专业解释】不同评价指标往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进⾏数据标准化处理，以解决数据指标之间的可⽐性。原始数据经过数据标准化处理后，各指标处于同⼀数量级，适合进⾏综合对⽐评价。归⼀化化就是要把你需要处理的数据经过处理后（通过某种算法）限制在你需要的⼀定范围内。⾸先归⼀化是为了后⾯数据处理的⽅便，其次是保正程序运⾏时收敛加快。
【通俗的解释】经过标准化处理，原始数据均转换为⽆量纲化，数据⽆量纲化处理主要解决数据的可⽐性，即不同量级的数据通过标准化变为同⼀量级的数据，如⽤户的搜索次数的量级为万级的，⽽下载次数为百级，通俗地讲，同⼀天内⽤户对⼀⾸歌的搜索次数有⼏万次，⽽下载次数只有⼏⼗次，将这两个指标的数据标准化后，就变为同⼀个级别的数，⽐如均为【0,1】，就可以通过这两个指标来讨论和计算⽤户对⼀⾸歌的喜欢程度，指标测评值，即各指标值都处于同⼀个数量级别上，可以进⾏综合测评分析。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议